# -*- coding: utf-8 -*-
"""
文本/代码文件读取工具 (file_reader)
编码探测 + 二进制探测 + 大小守卫，供附件系统（拖拽/粘贴/上传文本与代码文件）复用。
用法：read_text_file(path) -> (content, encoding, size_kb, lines)，失败抛 ValueError。
说明：纯函数模块，不依赖 Qt，便于单元测试。
"""
import os

# 明确拒绝的二进制/文档格式（Word/Excel/PPT/PDF/压缩包/可执行/媒体等）
BINARY_EXTS = frozenset({
    # Office 文档（明确排除 Word/Excel）
    '.doc', '.docx', '.xls', '.xlsx', '.ppt', '.pptx',
    '.odt', '.ods', '.odp', '.rtf',
    # 电子书（.pdf 已交由 tools/builtin_tools/pdf_reader.py 专门解析，不在此拦截）
    '.epub', '.mobi',
    # 压缩包 / 磁盘镜像
    '.zip', '.rar', '.7z', '.tar', '.gz', '.bz2', '.xz', '.iso', '.dmg',
    # 可执行 / 编译产物
    '.exe', '.dll', '.so', '.dylib', '.msi', '.bin', '.apk', '.jar',
    '.class', '.pyc', '.pyd', '.o', '.a',
    # 音视频
    '.mp3', '.wav', '.flac', '.m4a', '.aac', '.ogg',
    '.mp4', '.avi', '.mov', '.mkv', '.webm', '.wmv',
    # 字体
    '.ttf', '.otf', '.woff', '.woff2', '.eot',
    # 数据库
    '.db', '.sqlite', '.sqlite3', '.mdb',
    # 设计稿
    '.psd', '.ai', '.sketch', '.fig',
})

# 单文件大小上限（字节）：超过则拒绝，避免内存与上下文爆炸
MAX_ATTACH_FILE_BYTES = 2 * 1024 * 1024  # 2 MB

# 编码降级链：UTF-8(含BOM) → GB18030(⊇GBK/GB2312) → latin-1(永不失败)
_ENCODINGS = ('utf-8-sig', 'gb18030', 'latin-1')


def read_text_file(path, max_bytes=MAX_ATTACH_FILE_BYTES):
    """读取一个文本/代码文件。

    返回 (content, encoding, size_kb, lines)。
    文件过大或判定为二进制时抛出 ValueError（附带可读原因）。
    """
    size = os.path.getsize(path)
    if size > max_bytes:
        raise ValueError(
            f"文件过大（{size / 1024 / 1024:.1f} MB > {max_bytes / 1024 / 1024:.0f} MB）"
        )

    with open(path, 'rb') as f:
        raw = f.read()

    # 二进制探测：前 8KB 含 NUL 字节即判定为二进制（git 同款启发式）
    if b'\x00' in raw[:8192]:
        raise ValueError("二进制文件，无法作为文本读取")

    text, used_enc = None, 'utf-8'
    for enc in _ENCODINGS:
        try:
            text = raw.decode(enc)
            used_enc = enc
            break
        except UnicodeDecodeError:
            continue
    if text is None:  # 理论上 latin-1 兜底永不失败
        raise ValueError("无法识别文件编码")

    lines = text.count('\n') + 1
    return text, used_enc, round(size / 1024, 2), lines